当前位置: 首页 > news >正文

采用opencv来识别信用卡的号码

信用卡数字识别代码详解

这段代码是一个完整的信用卡数字识别系统,主要使用OpenCV和图像处理技术来识别信用卡上的数字。下面我将详细解释代码的每个部分:

1. 导入库和设置参数

from imutils import contours
import numpy as np
import argparse
import cv2
from sympy import false
import myutils
# 设置参数
ap = argparse.ArgumentParser()
ap.add_argument("-i", "--image",default="images\\credit_card_05.png", required=False,help="path to input image")
ap.add_argument("-t", "--template",default="ocr_a_reference.png", required=False,help="path to template OCR-A image")
args = vars(ap.parse_args())
  • imutils.contours: 用于轮廓处理
  • numpy: 数值计算库
  • argparse: 命令行参数解析
  • cv2: OpenCV计算机视觉库
  • myutils: 自定义工具函数(需要自己实现)
  • 设置命令行参数,可以指定输入图像和模板图像路径

2. 信用卡类型映射

FIRST_NUMBER = {"3": "American Express","4": "Visa","5": "MasterCard","6": "Discover Card"
}
  • 根据信用卡号的第一位数字确定信用卡类型

3. 图像显示函数

def cv_show(name, img, timeout=500):cv2.imshow(name, img)if timeout > 0:cv2.waitKey(timeout)else:cv2.waitKey(0)cv2.destroyWindow(name)
  • 优化后的显示函数,可以设置超时自动关闭窗口
  • timeout=500表示显示500毫秒后自动关闭
  • timeout=0表示需要手动按键关闭

4. 模板图像处理

# 读取模板图像
img = cv2.imread(args["template"])
# 灰度图
ref = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
cv_show('ref',ref)
# 二值图像
ref = cv2.threshold(ref, 10, 255, cv2.THRESH_BINARY_INV)[1]
cv_show('ref',ref)
# 计算轮廓
refCnts, hierarchy = cv2.findContours(ref.copy(), cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)
cv2.drawContours(img,refCnts,-1,(0,0,255),3)
cv_show('img',img)
# 排序轮廓
refCnts = myutils.sort_contours(refCnts, method="left-to-right")[0]
digits = {}
# 遍历每一个轮廓
for (i, c) in enumerate(refCnts):# 计算外接矩形并且resize成合适大小(x, y, w, h) = cv2.boundingRect(c)roi = ref[y:y + h, x:x + w]roi = cv2.resize(roi, (57, 88))# 每一个数字对应每一个模板digits[i] = roi
  • 读取模板图像(包含0-9的数字)
  • 转换为灰度图并进行二值化处理
  • 查找所有数字的轮廓
  • 将轮廓从左到右排序
  • 提取每个数字的图像并存储到字典中

5. 信用卡图像预处理

# 初始化卷积核
rectKernel = cv2.getStructuringElement(cv2.MORPH_RECT, (9, 3))
sqKernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5))
#读取输入图像,预处理
image = cv2.imread(args["image"])
cv_show('image',image)
image = myutils.resize(image, width=300)
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
cv_show('gray',gray)
#礼帽操作,突出更明亮的区域
tophat = cv2.morphologyEx(gray, cv2.MORPH_TOPHAT, rectKernel)
cv_show('tophat',tophat)
# Sobel边缘检测
gradX = cv2.Sobel(tophat, ddepth=cv2.CV_32F, dx=1, dy=0, ksize=-1)
gradX = np.absolute(gradX)
(minVal, maxVal) = (np.min(gradX), np.max(gradX))
gradX = (255 * ((gradX - minVal) / (maxVal - minVal)))
gradX = gradX.astype("uint8")
cv_show('gradX',gradX)
#通过闭操作(先膨胀,再腐蚀)将数字连在一起
gradX = cv2.morphologyEx(gradX, cv2.MORPH_CLOSE, rectKernel)
cv_show('gradX',gradX)
#二值化处理
thresh = cv2.threshold(gradX, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)[1]
cv_show('thresh',thresh)
#再来一个闭操作
thresh = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, sqKernel)
cv_show('thresh',thresh)
  • 创建形态学操作所需的卷积核
  • 读取信用卡图像并调整大小
  • 转换为灰度图
  • 使用礼帽(tophat)操作突出明亮区域(信用卡数字)
  • 使用Sobel算子进行边缘检测
  • 通过闭操作连接数字区域
  • 使用Otsu方法进行二值化处理

6. 查找数字组区域

# 计算轮廓
threshCnts, hierarchy = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cnts = threshCnts
cur_img = image.copy()
cv2.drawContours(cur_img,cnts,-1,(0,0,255),3)
cv_show('img',cur_img)
locs = []
# 遍历轮廓
for (i, c) in enumerate(cnts):# 计算矩形(x, y, w, h) = cv2.boundingRect(c)ar = w / float(h)# 选择合适的区域,根据实际任务来,这里的基本都是四个数字一组if ar > 2.5 and ar < 4.0:if (w > 40 and w < 55) and (h > 10 and h < 20):#符合的留下来locs.append((x, y, w, h))
# 将符合的轮廓从左到右排序
locs = sorted(locs, key=lambda x:x[0])
  • 查找所有轮廓
  • 根据长宽比和大小筛选出可能是数字组的区域
  • 信用卡上的数字通常以4个为一组
  • 将筛选出的区域从左到右排序

7. 识别每个数字

output = []
# 遍历每一个轮廓中的数字
for (i, (gX, gY, gW, gH)) in enumerate(locs):groupOutput = []# 根据坐标提取每一个组group = gray[gY - 5:gY + gH + 5, gX - 5:gX + gW + 5]cv_show('group',group)# 预处理group = cv2.threshold(group, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)[1]cv_show('group',group)# 计算每一组的轮廓digitCnts,hierarchy = cv2.findContours(group.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)digitCnts = contours.sort_contours(digitCnts, method="left-to-right")[0]# 计算每一组中的每一个数值for c in digitCnts:# 找到当前数值的轮廓,resize成合适的的大小(x, y, w, h) = cv2.boundingRect(c)roi = group[y:y + h, x:x + w]roi = cv2.resize(roi, (57, 88))cv_show('roi',roi)# 计算匹配得分scores = []# 在模板中计算每一个得分for (digit, digitROI) in digits.items():# 模板匹配result = cv2.matchTemplate(roi, digitROI, cv2.TM_CCOEFF)(_, score, _, _) = cv2.minMaxLoc(result)scores.append(score)# 得到最合适的数字groupOutput.append(str(np.argmax(scores)))# 画出来cv2.rectangle(image, (gX - 5, gY - 5),(gX + gW + 5, gY + gH + 5), (0, 0, 255), 1)cv2.putText(image, "".join(groupOutput), (gX, gY - 15),cv2.FONT_HERSHEY_SIMPLEX, 0.65, (0, 0, 255), 2)# 得到结果output.extend(groupOutput)
  • 对于每个数字组区域:
    • 提取区域图像
    • 二值化处理
    • 查找单个数字的轮廓
    • 对每个数字进行模板匹配
    • 找出最佳匹配的数字
  • 在原始图像上绘制识别结果

8. 输出结果

# 打印结果
print("Credit Card Type: {}".format(FIRST_NUMBER[output[0]]))
print("Credit Card #: {}".format("".join(output)))
cv2.imshow("Image", image)
cv2.waitKey(0)
  • 根据第一位数字确定信用卡类型
  • 打印完整的信用卡号码
  • 显示带有识别结果的图像

整体流程

  1. 模板准备​:处理包含0-9数字的模板图像,提取每个数字的特征
  2. 信用卡图像预处理​:
    • 调整大小
    • 灰度转换
    • 突出数字区域(礼帽操作)
    • 边缘检测
    • 形态学操作连接数字
    • 二值化
  3. 数字组定位​:查找信用卡上4位数字组的区域
  4. 单个数字识别​:对每个数字组中的数字进行模板匹配
  5. 结果输出​:显示识别结果和信用卡类型

这个系统通过一系列图像处理技术,将信用卡上的数字识别出来,并在图像上标注识别结果。

后续补充git的仓库

https://gitee.com/stevenworkshop_admin/cardidentify

这个当前的环境是 cv4的版本

后续需要把它转为flask的框架,docker化部署,提供演示页面及api访问的方式来处理

http://www.hskmm.com/?act=detail&tid=37590

相关文章:

  • 网络设备
  • 第二十二篇
  • 《程序员修炼之道:从小工到专家》阅读笔记1
  • 负载均衡及三种软件负载
  • 在 GEO / AIO 角度:如何优化 SEO 内容?
  • 多级多卡训练模型时有些参数没有参与loss计算和梯度更新的解决办法
  • 无题
  • Idea提高制作效率的快捷键最佳学习方式
  • rocky10自己手动换源
  • ski 和 db 模块的通信
  • 完整教程:ImmuCellAI 免疫浸润分析
  • 4.6.2版本来了!快来看看新版本有哪些改动
  • 2025-10-22 ZR-J 模拟赛 赛后总结【ZR】
  • P5285 [十二省联考 2019] 骗分过样例
  • Liferay Portal与DXP集合提供程序存在授权缺失漏洞分析
  • MapGIS Objects Java计算一条三维线段与一个三角形所在的平面的交点 - 教程
  • layui时间与日期选择器,时间范围查询数据,后端springboot
  • 读书笔记:OpenPBR 规范(2)
  • 轻量级图片信息解析程序
  • 2025.10.23 闲话-全局位运算 max 的解法
  • 习题-无限集与选择公理
  • Error: [WinError 10013] 以一种访问权限不允许的方式做了一个访问套接字的尝试及其解决方法
  • 项目管理软件是不是伪需求?
  • 题解:CF2115F1 Gellyfish and Lycoris Radiata (Easy Version)
  • 低代码如何重塑IT部门价值?
  • LIS 略解
  • 低代码如何引爆全员创新?揭秘技术民主化背后的蒲公英效应
  • LLM学习笔记DAY10
  • 2025工业冰水机/冷水机厂家推荐东莞市凯诺机械,高效制冷稳定运行
  • 2025小型低温/工业/风冷/一体式螺杆冷冻机厂家推荐:东莞凯诺机械专业制冷解决方案